毋庸置疑，在 AI 的幫助下，開發者的編碼效率能夠大大提升。

開發者們將從簡單、重復的編碼工作中解脫出來。但是隨之而來的諸多問題，往往讓使用 AI 的開發者們頭禿不已。

Chapyter 將 GPT-4 這樣強大的代碼生成模型合并到 Jupyter Notebook 編碼環境中，開辟了人類 - AI 協作的新模式，在極大程度上解決了大部分編程助手會出現的問題。

Chapyter 是一個 JupyterLab 擴展，將 GPT-4 無縫連接到你的編碼環境，并且具有一個代碼解釋器，可以將自然語言描述翻譯為 Python 代碼并自動執行。并且 Chapyter 通過在你最熟悉的 IDE 中啟用「自然語言編程」，提高你的工作效率，并使你能夠探索更多未嘗試過的新想法。

圖片

項目鏈接：https://github.com/chapyter/chapyter

下圖為 Chapyter 與部分現有的編碼助手的差別。

可以發現，Chapyter 將編碼助手的優勢綜合了起來。它可以幫助開發者完成各種復雜的編碼任務、自動執行 AI 生成的代碼，還能夠讓開發者進行原位調試、自定義 Prompt，甚至保護了開發者與代碼的隱私性，避免數據被利用。

圖片

Chapyter 的特點與優勢

Chapyter 的主要特點有：

1. 從自然語言生成代碼并自動執行

只需在任務自然語言描述的單元格開頭添加命令「%% chat」，代碼就會生成，并且用時極短，只需要幾秒鐘。

別小瞧了 Chapyter 的這個優勢。

自動補全一直是許多 AI 輔助編碼工具的主流交互，在編碼環境中提供 AI 支持，并且可以顯著提高開發人員工作的生產力和滿意度。然而，自動補全并不完美：穿插 AI 代碼建議可能會分散注意力；生成的代碼可能包含可能很難調試的隱藏錯誤；并且生成的代碼通常只跨越幾行，很難在上下文之外生成新的功能。

Chapyter 通過提供單元級代碼生成和自動執行克服了這些問題。你只需鍵入要執行的操作的自然語言描述，Chapyter 將調用 GPT-X 模型來生成代碼并為你執行。這與 Copilot 等系統中的代碼補全非常不同：其旨在支持僅跨越幾行代碼并且與當前工作非常相關的微任務，例如，完成函數調用。而 Chapyter 旨在接管完整的任務，有時可能與現有代碼不同。

默認情況下，生成的代碼是隱藏的，因為 Chapyter 希望淡化 AI 生成的代碼并專注于結果。并且，關于自動執行你也無需擔心，因為 Chapyter 有一個安全模式來防止自動執行可能危險的代碼。

2. 使用編碼歷史和執行輸出來生成代碼

Chapyter 還可以利用你的代碼歷史記錄和執行輸出來提供上下文感知建議。它還可以選擇加載文件，以便為進一步處理和分析提供建議。

如下圖所示，通過在代碼生成中添加 --history 或 -h 標志，Chapyter 可以使用之前的執行歷史和輸出，為加載的 IRIS 數據集生成相應的可視化代碼。

3. 原位調試、編輯代碼

生成的代碼可能并不完美，可能包含 bug 或錯誤。由于 Chapter 已完全集成到 Jupyter Notebook 中，因此無需離開 IDE，你就可以輕松地檢查代碼并修復任何錯誤或 bug (例如，在這種情況下安裝缺少的依賴項)。

4.prompt 和 AI 配置透明化，并允許自定義

Chapyter 發布了庫中使用的所有 prompt，并致力于讓自定義所使用的 prompt 和設置更加便捷。

可查閱：https://github.com/chapyter/chapyter/blob/main/chapyter/programs.py

5. 使用 AI 時，隱私優先 

Chapyter 是一個極小的 Python 包，可以在本地安裝并與 JupyterLab 無縫使用。它使用 OpenAI API 調用 GPT-X 模型，默認情況下不會保留交互數據和代碼進行訓練。

因此與 Copilot 或 ChatGPT 緩存你的數據并用來訓練和分析不同，Chapyter 所有發送到 OpenAI 的數據將不會被保存用于訓練（可參閱 OpenAI API 數據使用策略）。

Chapyter 的構成

Chapyter 主要由兩個部分組成：

• 實現 ipython magic 命令，用來處理提示和調用 GPT-X 模型；
• 另一個是監聽 Chapyter 單元格執行情況的前端，它會自動執行新生成的單元格并更新單元格的樣式。

下圖展示了執行 Chapyter 單元格后前端和 ipython 內核的編排。

圖片